Kimi K3.1 Pro 评测汇总:跑分逼近 Opus 5.5,口碑却两极
月之暗面的 Kimi K3.1 Pro 于 2026 年 10 月 24 日发布,官方跑分在编程智能体上超过 GPT-6 Astra、逼近 Claude Opus 5.5。这篇汇总官方成绩、第三方指数和 B 站 UP 主两极的实测,并给出价格和选型建议。
文章导读
- Kimi K3.1 Pro 是月之暗面在 2026 年 10 月 24 日发布的 3 万亿级参数模型,支持 100 万上下文。官方标价每百万 token 输入 13 元、输出 68 元,比上一代 K3 便宜三成多。
- 官方数据里它在 Terminal-Bench 4.0 上是 65.7%,高于 GPT-6 Astra 的 58.2%,离 Claude Opus 5.5 的 66.4% 只差 0.7 分;Artificial Analysis 给它的智能指数是 55 分。
- B 站的实测口碑两极:有人认为它在国产模型里综合领先,也有人给出“不及预期”和“小失望”。短板是科学计算、部分知识推理和 3D 重建。
- kimi-k3.1-pro 是 MoeRouter 上近 7 天用量第 11 的模型,适合长时间的编程和智能体任务;预算更紧时可以先试更便宜的 Flash 档。
Kimi K3.1 Pro 是什么#
Kimi K3.1 Pro 是月之暗面在 2026 年 10 月 24 日发布的模型,是 K3.1 系列的第一个,也是官方口中“迄今能力最强的 3 万亿级参数模型”,支持 100 万上下文。同时推出的还有高速版 Kimi K3.1 Pro Highspeed:同等智能,输出速度约 2 到 3 倍,价格是标准版的 2 倍。官方表示完整的模型权重将于 11 月 4 日前发布[1][3]。
| 项目 | Kimi K3.1 Pro |
|---|---|
| 官方标价(每百万 token) | 输入 13 元(命中缓存 1.3 元)、输出 68 元 |
| 和上一代比 | K3 是输入 20 元、输出 100 元:输入降 35%,输出降 32% |
| 上下文 | 100 万 token |
| 擅长的方向(官方) | 代码、3D 创作、金融研究和其他长程 Agent 任务 |
| 在 MoeRouter 的模型名 | kimi-k3.1-pro |
| 在 MoeRouter 支持的接口 | Chat Completions、Messages、Gemini |
在 MoeRouter 上多少钱#
| 模型 | 分组 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|---|
kimi-k3.1-pro | default | ¥1.3 | ¥6.8 | ¥0.13 |
每百万 token 的参考价,人民币,取自模型广场()。动态计费的模型按实际走的线路结算,以模型广场为准。
它在 default 分组,显示的是当前最便宜线路的参考价,实际扣费以使用日志为准。
跑分#
月之暗面自己报的#
| 评测 | K3.1 Pro | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | 58.2% | 66.4% |
| SWE-Marathon v1.1(长周期软件工程) | 51.7% | 42.5% | 46.3% |
| Agents' Last Exam | 43.2 | 32.8 | 42.6 |
| BenchCAD(3D 重建,借助工具) | 92.7% | 95.9% | 96.2% |
另外几项官方数据:内部的长程编程基准 Kimi Code Bench 3.0 上是 61.2%,上一代 K3 是 55.95%;金融文档基准 OfficeQA Pro v2 上是 64.4 分,是这项测试当前的最好成绩;内部的事实准确性压力测试里,单项事实陈述的错误率从 K3 的 23.4% 降到 8.3%[1][2]。
第三方的#
Artificial Analysis 给 K3.1 Pro 的智能指数是 55 分,上一代 K3 是 44 分。该机构说,权重开放后它会成为得分最高的开放权重模型,开放权重和闭源模型的差距会从 12 分缩小到 3 分[2]。
短板#
掘金的作者把短板说得很清楚:在科学计算终端任务、部分知识推理和 3D 重建上,GPT-6 Astra 和 Claude Opus 5.5 仍然占优,“开源赢了工程,还没赢下科学计算”。另外,月之暗面主动从训练语料里移除了网络攻击相关的内容,内部的网络安全基准因此从 90.5 分掉到 81.0 分,通用编程能力几乎没受影响[2]。
实测:口碑两极#
和跑分的一致好评不同,B 站的实测结论分成了两边。
小宇Boi 在发布一周后给出了正面评价(20 万播放):K3.1 Pro“在国模当中综合性能处于领先地位”,实测效果非常不错[4]。
实验式 的标题直接是“不及预期”。他拿官方宣传的 3T 参数、100 万上下文和“多个指标压制 GPT-6 Astra”的跑分去对照真实表现[5]。
等二月花开 和 Opus 5.5 做了同题对比,简介里说:“说实话,K3.1刚做完有点小失望。”不过他接着说,对比 Opus 5.5 做的,差距好像也没有那么大[6]。
盒子姬 在 Godot 里同时测了 Qwen 4 和 Kimi K3.1 Pro,“两个新模型均评价为NPC”,花费上 Qwen 约 19 块、Kimi 约 24 块[7]。同一位 UP 主此前给 Claude Fable 5.2 的评价是“夯”,见 Fable 5.2 的评测。
把两边放在一起看:跑分说明它在标准化的编程智能体任务上确实进了第一梯队;这几位 UP 主测的是自己选的项目(例如 Godot 游戏开发),考察的东西和跑分不一样。官方把 3D 创作和游戏引擎当作这次的门面来宣传,期待被抬得很高,也是落差的来源之一。
该不该用#
适合
- 长时间的编程和智能体任务
- 金融文档分析、跨文档核对和多步数值推理
- 想要旗舰级编程能力、又不想付 Claude 旗舰价格的场景
不太适合
- 科学计算类的终端任务
- 对 3D 和游戏画面效果期待很高的项目
- 量大而简单的任务:Flash 档更划算
| 你的情况 | 建议 |
|---|---|
| 在找 Claude Opus 5.5 的低价替代 | 值得用自己的任务对比一轮:官方跑分只差 0.7 分 |
| 主要做 3D、游戏原型 | 先小范围试,实测口碑不稳定 |
| 预算很紧 | 先用 DeepSeek V4.1 Flash 或 GLM-5.3-Flash,不够再升级 |
怎么调用#
它在 MoeRouter 上支持 Chat Completions、Messages 和 Gemini 三种接口。OpenAI SDK:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://moerouter.com/v1",
api_key=os.environ["MOEROUTER_API_KEY"],
)
reply = client.chat.completions.create(
model="kimi-k3.1-pro",
messages=[{"role": "user", "content": "核对这两份财报里的营收数字,列出不一致的地方"}],
)
print(reply.choices[0].message.content)
在 Claude Code 里用它:
export ANTHROPIC_BASE_URL="https://moerouter.com"
export ANTHROPIC_AUTH_TOKEN="$MOEROUTER_API_KEY"
unset ANTHROPIC_API_KEY
claude --model kimi-k3.1-pro
注意它不支持 Responses 接口,所以不能直接用在 Codex 里。
常见问题#
Kimi K3.1 Pro 的 API 价格是多少?#
月之暗面官方的标价是每百万 token 输入 13 元(命中缓存 1.3 元)、输出 68 元,高速版价格翻倍。在 MoeRouter 上的参考价见本文的价格表。
Kimi K3.1 Pro 比 Claude Opus 5.5 强吗?#
官方的 Terminal-Bench 4.0 上它比 Opus 5.5 低 0.7 分,长周期软件工程和 Agents' Last Exam 两项则更高;科学计算、部分知识推理和 3D 重建上 Opus 5.5 更强。B 站的同题对比里,评价是有点失望但差距不算大。
Kimi K3.1 Pro 开源了吗?#
官方在发布时表示完整的模型权重将于 2026 年 11 月 4 日前发布。是否已经放出、许可证是什么,请以月之暗面的官方页面为准。
Kimi K3.1 Pro 能用在 Claude Code 里吗?#
能。它在 MoeRouter 上支持 Anthropic Messages 接口,启动时加 --model kimi-k3.1-pro 即可。它不支持 Responses 接口,所以不能用在 Codex 里。
为什么实测口碑和跑分差这么多?#
跑分衡量的是标准化的编程智能体任务,它在这些任务上确实接近 Opus 5.5。B 站 UP 主测的是自己选的项目,例如 Godot 游戏开发,考察的东西不一样;官方又把 3D 创作和游戏引擎当作门面来宣传,期待高,落差就大。
Kimi K3.1 Pro 和 K3 有什么区别?#
K3.1 Pro 是 K3 的后继:官方的长程编程基准从 55.95% 提到 61.2%,事实陈述的错误率从 23.4% 降到 8.3%,价格还降了三成多。Artificial Analysis 的智能指数从 44 分涨到 55 分。
参考资料
文中引用的评测与数据来自以下公开来源,结论归原作者所有;引用处均已标注。
说明:MoeRouter 提供文中模型的 API 接入服务。文中的评测结论均来自所引用的第三方来源,价格与接口信息来自 MoeRouter 自己的数据。